Fully multiplexed photonic tensor computing
该论文介绍了 FieldCore，这是一种全复用光子张量核心，它利用逆向设计的硅光子技术同时利用五个光学维度，实现了估计为 69.12 TOPS 的吞吐量，并为多样化的计算负载实现了高保真、并行的处理。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，全世界的计算机就像一座座繁忙的大型厨房。目前，这些厨房正变得越来越拥挤。它们正试图为人工智能烹饪海量的数据，但厨师（处理器）却被困在等待食材从储藏室搬运到炉灶上的过程中。这种移动数据的“交通堵塞”正在减慢一切速度，并消耗大量的能量。科学家们正在寻找一种不需要如此频繁移动食材的新型烹饪方式。他们正转向光。
请不要只把光看作一束单一的光线，而要把它看作一条超级灵活的高速公路。在普通计算机中，数据的传输就像单车道道路上的汽车，一个接一个地行驶。但在光子学（利用光进行计算）的世界里，科学家们意识到光拥有许多隐藏的车道。你可以同时在不同的光色上发送不同的信息（就像不同的广播电台），或者通过光束的不同“振动”，甚至通过在微小芯片内部将光束分裂成不同的路径来发送信息。大问题在于：我们能否建造一台计算机，能够同时利用所有这些车道，并完美同步地进行复杂的数学运算，而不产生交通堵塞？
这正是复旦大学及其他机构的研究团队致力于解决的问题。他们推出了一项名为 FieldCore 的新发明，他们将其描述为“全复用光子张量核心”。简单来说，“张量”（tensor）只是一个高级的数学术语，指的是多维数据块（例如图像堆栈或三维数字网格），而“复用”（multiplexed）意味着同时发送许多东西。
研究人员制造了一个微小的硅芯片，它充当着光的“指挥大师”。该芯片不只是使用一种颜色的光或一条路径，而是抓取数据并将其同时扩展到五个不同的维度：时间（信号到达的时间）、空间（所走的路径）、波长（光的颜色）、射频（信号振动的速度）以及导模（光波的形状）。
想象一下，一股水流击中一个神奇的喷嘴。这个喷嘴并没有仅仅喷射出一股水柱，而是瞬间将这股水流变成了由数千条微小的、独立的细流组成的庞大且有序的网格，所有细流都通过同一根管道流动。FieldCore 对光也做了同样的处理。它将单个输入扩展成一支庞大的、并行的数据流大军。团队展示了该芯片如何对所有这些数据流进行数学运算（具体来说是乘法和加法运算，这是人工智能的核心），且在运算过程中这些数据流既不会混淆，也不会失去原有的形态。
他们用一些令人印象深刻的任务测试了这个“超级芯片”。他们让它识别手写数字（如数字“9”），即使在同时处理数百张图像时也能保持极高的准确度。他们还利用它分析地球表面的复杂图像以识别不同的土地类型，以及通过监听机器的振动来在故障发生前进行预警。结果非常出色：该芯片处理数据的速度极快（高达 120 GBaud），并且保持了高精度，这意味着即便在如此密集的并行交通中，数学运算依然是正确的。
团队估计，如果完全发挥这种设计的潜力，单个 FieldCore 芯片每秒可以执行约 69.12 万亿次操作 (TOPS)，并能同时处理高达 1,800 个并行输入流。这不仅仅是一个小幅度的改进；这是一种全新的信息处理思维方式。通过利用光之多维度的全部“力量”，FieldCore 为构建更快、更高效、且不会陷入当今电子设备数据交通堵塞的人工智能计算机提供了一条充满希望的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。